Prédiction des adventices de la canne à sucre à La Réunion : une approche par apprentissage supervisé multi-labels
Fabre Ferber F., Le Bourgeois T., Schwartz M., Ripoche A., Gay D., Auzoux S.. 2022. In : Amer-Yahia Sihem (ed.), Soulet Arnaud (ed.). Actes de la conférence EGC'2022. s.l. : Éditions RNTI, p. 475-476. (Revue des Nouvelles Technologies de l'Information, RNTI-E-38). Conférence extraction et gestion des connaissances (EGC 2022). 22, 2022-01-24/2022-01-28, Blois (France).
In agricultural surveys, weeds are considered as the most harmful pests. We propose a comparative study of multi-label classification algorithms to predict their weediness. The results show that the ML-ARAM and ML-kNN are the most efficient with a need to further improve the predictions.
Documents associés
Communication de congrès
Agents Cirad, auteurs de cette publication :
- Auzoux Sandrine — Persyst / UPR AIDA
- Fabre-Ferber Frédérick — Persyst / UPR Recyclage et risque
- Le Bourgeois Thomas — Bios / UMR AMAP
- Ripoche Aude — Persyst / UPR AIDA
- Schwartz Marion — Persyst / UPR AIDA